Rank-reduced equation-of-motion coupled cluster formalism with full inclusion of triple excitations

本文介绍了一种基于秩约化运动方程耦合簇形式的方法，该方法利用Tucker分解以$N^6$的计算成本和$N^4$的存储需求纳入全三激发，同时在各类分子体系中保持与标准方法相当的高精度。

要点

想象一下，你试图通过模拟复杂机器（如汽车发动机）内部的每一个原子来预测其未来的行为。在化学领域，科学家们使用一种名为**耦合簇理论（Coupled Cluster theory）**的强大数学工具来做到这一点：模拟电子如何在原子周围运动，从而理解分子的行为，尤其是在它们被激发时（例如吸收光时）。

这种工具最精确的版本称为EOM-CCSDT，它就像试图同时模拟发动机中的每一个齿轮、螺栓和火花。它能提供极其精确的结果，但其计算负担之重，好比试图在烤面包机上运行超级计算机模拟。它仅适用于极小的分子，因为随着分子变大，所需的时间和内存会呈爆炸式增长。

以下是本文内容的简要说明，通过简单的类比来阐述：

1. 问题：“大得装不下”的难题

作者们正在处理模拟中的一个特定部分，称为三重激发（triple excitations）。你可以将其理解为模拟中三个电子同时运动的部分。在标准的“完美”方法中，追踪这三个运动电子所需的数据量增长极快（就像滚下山坡的雪球），以至于对于比小分子稍大的任何体系，计算机都无法存储这些数据。

2. 解决方案：“智能压缩”技巧

作者发明了一种处理这些数据的新方法，称为降秩 EOM-CCSDT（Rank-Reduced EOM-CCSDT）。

想象你拥有一张巨大的人群高分辨率照片。如果你尝试打印每一个像素，它将占用大量的纸张和墨水。然而，如果你仔细观察，会发现许多像素只是相同颜色和形状的变体。你可以通过仅保留最重要的模式，并将其余部分描述为“这些模式的变体”来压缩照片。

作者使用了一种名为**Tucker 分解（Tucker decomposition）**的数学技术，对电子数据进行了完全相同的处理。他们不再存储三个电子所有可能的运动，而是：

• 找到了最重要的运动“模式”。
• 仅存储这些模式。
• 在需要进行计算时，利用这些模式重建完整图像。

3. 结果：更快、更小的引擎

通过使用这种压缩技巧，作者实现了两个主要目标：

• 速度：他们将运行模拟所需的时间从呈指数级增长（如 $N^8$）降低到了更易管理的程度（如 $N^6$）。这之间的区别在于，是等待一年才能得到结果，还是只需等待几天。
• 内存：他们大幅减少了所需的计算机内存，使得模拟以前无法用这种精度研究的大分子成为可能。

4. 它准确吗？（“足够好”的测试）

你可能会担心压缩数据会损失精度。作者通过在多种分子上将他们的“压缩”方法与“完美”（但太慢）的方法进行比较，对此进行了测试。

• 类比：想象你试图测量一座山的高度。“完美”的方法测量每一英寸。“压缩”的方法则测量主要的高峰和低谷，并估算其余部分。
• 发现：作者发现，他们的压缩方法极其准确。压缩引入的误差远小于标准非压缩版本理论中已经存在的自然误差。换句话说，“压缩”并没有毁掉图像；它只是让一张原本就略显模糊的图片变得稍微模糊了一点点。
• 建议：他们发现，通过调整一个简单的“旋钮”（压缩子空间的大小），他们可以获得在大多数实际用途中与完美方法几乎无法区分的结果。

5. 现实世界测试

为了证明他们的方法有效，他们不仅研究了理论，还在以下方面进行了实际模拟：

• 镁二聚体：他们绘制了镁分子的能量曲线，展示了他们能够预测其振动和结合方式，并与实验数据高度吻合。
• 氨和氟：他们模拟了一个“电荷转移”事件（电子从一个分子跳跃到另一个分子，跨越一定距离）。这对其他方法来说 notoriously 困难，但他们的压缩方法却平稳地处理了它，生成了干净、连续的曲线，没有任何故障。

总结

简而言之，本文提出了一种智能捷径。它将一种因过于昂贵而无法用于大分子的方法进行了数据压缩，使其变得经济可行，同时又不牺牲科学家所需的高精度。这就像将一部超详细的 8K 电影压缩成一个高质量的 4K 文件，看起来依然惊人，却能装入标准硬盘。这使得化学家能够以前所未有的精度研究更大、更复杂的系统。

技术摘要

技术摘要：包含完整三重激发的秩约化运动方程耦合簇形式

问题陈述
准确描述分子激发态，特别是那些涉及显著双激发或更高阶激发，或具有电荷转移特征的激发态，仍然是标准量子化学方法的挑战。虽然含时密度泛函理论（TDDFT）计算效率高，但它缺乏系统可改进性，且在处理电荷转移态时往往力不从心。耦合簇（CC）理论，特别是运动方程（EOM-CC）形式，提供了一条通往电子薛定谔方程精确解的系统可改进路径。然而，包含三重激发（EOM-CCSDT）通常是获得基准级结果或修正 EOM-CCSD 中较大误差（例如在电荷转移或双激发主导的态中）所必需的，其随体系大小的标度为 $N^8$。这种高昂的成本将 EOM-CCSDT 限制在非常小的体系（通常少于十几个非氢原子）。像 CC3 或 CCSD(T) 这样的近似方法虽然降低了标度，但可能无法捕捉某些具有挑战性的态所需的完整三重激发物理。

方法论
作者提出了一种 EOM-CCSDT 方法的秩约化变体（RR-EOM-CCSDT），将计算标度降低至 $N^6$，存储需求降低至 $N^4$。该形式的核心依赖于基态（$T_{ijk}^{abc}$）和激发态（$R_{ijk}^{abc}$）三重激发振幅张量的Tucker 分解。

1. 张量分解：全秩振幅被近似为：
   $$T_{ijk}^{abc} \approx t_{xyz} U_{ia}^x U_{jb}^y U_{kc}^z$$
   $$R_{ijk}^{abc} \approx r_{XYZ} V_{ia}^X V_{jb}^Y V_{kc}^Z$$
   其中，$t_{xyz}$ 和 $r_{XYZ}$ 是压缩振幅，而 $U$ 和 $V$ 是跨越三重激发子空间的基张量。这些子空间的维度（$N_{svd}$ 和 $N_{SVD}$）是可控参数，通常随体系大小（$N$）线性标度，而不是全张量的立方标度。

2. 子空间生成（猜测）：为了确定子空间 $U$ 和 $V$，作者采用了**高阶正交迭代（HOOI）**过程。这需要三重振幅的初始猜测。通过 EOM-CCSDT 方程的微扰理论展开导出了两种猜测策略：

   • 基本猜测：仅包含一阶微扰项。
   • 扩展猜测：包含一阶项加上近似二阶贡献（省略涉及一阶三重振幅的最昂贵项以保持效率）。
     HOOI 过程迭代地细化这些猜测以最小化最小二乘误差，从而在不显式构建全秩 $N^8$ 张量的情况下得出最优子空间。

3. 投影方程：EOM-CCSDT 残差方程被投影到压缩子空间上。这将特征值问题转化为仅涉及压缩振幅（$r_{XYZ}$）和投影残差张量（$\Omega_{XYZ}$）的问题。推导确保原本标度为 $O^3V^5$（其中 $O$ 为占据轨道，$V$ 为虚轨道）的最昂贵项被因子化，标度变为 $O^2V^4$ 或 $O^3V^3$（取决于具体项），从而实现整体 $N^6$ 标度。

主要贡献

• 形式发展：本文将先前的秩约化工作（特别是 RR-EOM-CC3）扩展到完整的 EOM-CCSDT 水平，提供了投影三重振幅方程和压缩残差张量构建的明确工作公式。
• 标度降低：该方法实现了 $N^6$ 的计算标度和 $N^4$ 的存储标度，使得 EOM-CCSDT 适用于比标准 $N^8$ 方法大得多的体系。
• 态特定方法：该方法本质上是态特定的，因为三重激发子空间（$V$）是针对特定激发态优化的。
• 猜测的实现：作者推导并比较了 HOOI 过程的“基本”和“扩展”微扰猜测，分析了它们在精度和计算成本之间的权衡。

结果
作者通过三个不同的应用验证了该方法：

1. 基准计算：对十个分子（例如丙烯醛、苯、水、亚硝酰）进行了测试，其激发态范围从单激发主导到双激发主导。

   • 精度：使用子空间大小 $N_{SVD} = 2.0 \times N_{MO}$（其中 $N_{MO}$ 是活性分子轨道的数量），相对于标准 EOM-CCSDT 的平均绝对误差（MAE）约为 0.008–0.009 eV。
   • 比较：这些误差比父方法 EOM-CCSDT 相对于相同态的全组态相互作用（FCI）的固有误差小几倍。该方法成功捕捉了三重激发效应，即使在 EOM-CCSD 误差达数电子伏特的态中也是如此。
   • 猜测性能：虽然扩展猜测在某些特定情况（例如亚硝酰）下显示出更好的精度，但它被发现是非系统的（对其他情况如乙二醛表现更差）且成本显著更高。作者推荐使用基本猜测配合更大的子空间大小作为更稳健和经济的默认设置。

2. 镁二聚体（Mg$_2$）：计算了前四个单重激发态的势能曲线（PEC）和光谱参数（$D_e$, $R_e$, $\omega_e$）。

   • 尽管在每个核间距处重新优化了子空间，该方法仍产生了平滑、连续的 PEC，没有非物理的不连续性。
   • 外推至完全基组（CBS）极限的结果与实验数据和高水平理论基准表现出良好的一致性，特别是对于 $A^1\Sigma_u^+$ 和 $(1)^1\Pi_u$ 态。

3. 电荷转移激发（NH$_3$-F$_2$）：该方法在长程电荷转移激发上进行了测试，作为分子间距离（6–100 玻尔）的函数。

   • RR-EOM-CCSDT 曲线在整个范围内保持平滑且物理一致，正确重现了电荷转移态的 $1/R$ 行为。
   • 相对于标准极限的误差通常很小（例如，对于 $N_{SVD}=3N_{MO}$ 约为 0.03 eV），证明了该方法在轨道弛豫至关重要的长程相互作用中的稳定性。

意义与主张
作者声称，RR-EOM-CCSDT 方法为在完整方法计算上不可行的体系中获取接近标准 EOM-CCSDT 质量的激发能提供了一条实用途径。该方法被视为以下方面的重大进展：

• 大体系：使对包含十多个非氢原子的分子进行高精度计算成为可能。
• 复合方案：作为复合方案中考虑高阶相关效应的成本效益组件。
• 未来扩展：为包含四重激发的秩约化方法（EOM-CC4）奠定必要的理论基础，预计这些方法将为更广泛的激发态提供接近 FCI 的质量。

论文强调，虽然秩约化形式引入了近似，但引入的误差是可控的，并且在默认设置（$N_{SVD} = 2N_{MO}$）下，与父方法 EOM-CCSDT 理论本身的固有局限性相比，该误差可以忽略不计。